基于流量映射矩阵的加密流量分类模型

摘要

针对现有加密流量分类方法因流量特征表示单一和细粒度分析不足导致关键业务流量处理效果不佳的问题，提出一种基于流量映射矩阵（TMM）的细粒度分类方法。通过构建融合报文序列特征、统计特征及拓扑结构特征的TMM，形成包含时空关联信息的复合特征表征。基于Vision Transformer架构设计自监督分类器，采用预训练范式对TMM进行特征学习，建立应用行为分类模型（ABC-Model）。在公开数据集和私有数据集上的实验表明，该方法可实现细粒度的应用行为分类，最高准确率达96.73%。研究证实多维特征融合的TMM能有效表征加密流量行为特性，为关键业务流量识别提供了新的解决方案。

关键词

加密流量分类 / 流量特征融合 / 流量映射矩阵 / 预训练模型 / 应用行为分类